TRANSPORTATION MODELING

ANALISIS DAMPAK LALU LINTAS (ANDALALIN) AKIBAT PEMBANGUNAN

RUMAH SAKIT UMUM DAERAH MANADO
 1

Tempat dan waktu penelitian

Penelitian ini dilakukan di kota Manado lebih tepatnya pada ruas jalan Dinas PU manado di
depan rusunawa dan dinas PU Manado. gambaran posisi lokasi penelitian dapat dilihat pada
denah lokasi pada gambar 1.

RSUD MANADO

Dinas PU Manado

rusunawa

Pengumpulan data
Data penelitian meliputi data sekunder dan data primer. Data sekunder terdiri dari:
a.Volume lalu lintas.
b.Layout RSUD Manado diperoleh dari perencanan.
c.Luas bangunan, jumlah bed, serta jenis dan jumlah ruangan diperoleh dari pihak
Manajemen rumah sakit.
Data primer terdiri dari :
a.Volume lalu lintas saat konstruksi diperoleh melalui survai volume kendaraan yang
terdiri dari HV, LV, MC, dan UM yang melewati Jl. PU Manado periode waktu 15 menit.
b.Inventarisasi tata guna lahan dan geometrik jalan
c.Data tarikan dan bangkitan diperoleh dari survai jumlah pengunjung pada rumah
sakit yang menjadi pendekatan. Jumlah pengunjung dibedakan berdasarkan jenis
kendaraan yang digunakan.

1
 2

HASIL DAN PEMBAHASAN

Data Geometrik jalan :
 Tipe jalan : dua lajur 2 arah terbagi (2/2 D)
 Lebar jalan : Arah Timur (T) -Barat (B) : 4 m, Arah Barat (B) -Timur (T) : 4 m

Analisis Kinerja Jalan Pra Konstruksi

a) Volume jam puncak
Volume lalu lintas jam puncak tahun 2018 untuk jalan Pu manado yaitu 835,89 smp/jam
arah T –B dan 787,38 smp/jam arah B –T.
b) Perhitungan kapasitas jalan (C)
1)Perhitungan nilai kapasitas jalan (C) arah T –B
Berdasarkan data geometrik jalan maka nilai CO yang digunakan adalah 1623.27
smp/jam, nilai FCW adalah 1, dan nilai FCSP adalah 1. Sedangkan nilai FCSF yang
digunakan dengan kelas hambatan samping sedang yaitu 0,98 dan Ukuran kota = 0,1 –
0,5 juta penduduk (Berdasarkan data BPS 8 September 2012, jumlah penduduk kota
manado adalah 410.481 jiwa) didapatkan nilai FCCS sebesar 0.9. Jadi perhitungan
kapasitas jalan (C) untuk arah T –B yaitu :C= COx FCWx FCSPx FCSFx FCCSC= 1623.27 x
1 x 1 x 0,98 x 0,9C= 1480 smp/jam

2)Perhitungan nilai C arah B –T Nilai C untuk arah B –T dimana lebar badan jalan
adalah 4 m dengan kelas hambatan samping rendah yaitu 1480 smp/jam.
c) Derajat kejenuhan (DS)
1)Perhitungan nilai DS arah T –B
Q = 835,89 smp/jam, C = 1480 smp/jam
𝑄 835.89
𝐷𝑆 = = = 0.5
𝐶 1480
2)Perhitungan nilai DS arah B –T
Dengan cara yang sama untuk arah B–T dimana Q = 787,38 smp/jam dan C =
1480smp/jam didapatkan nilai DS = 0.5.

2
 3

Berdasarkan nilai derajat kejenuhan, maka indeks tingkat pelayanan jalan Pu Manado
sebelum konstruksi yaitu tingkat pelayanan C.

d) Perhitungan kecepatan arus bebas

1)Perhitungan nilai FV arah T –B Berdasarkan data geometrik jalan maka nilai FVO yang
digunakan adalah 57 km/jam dan nilai FVW sebesar 0 km/jam. Sedangkan nilai FFVSF
dimana kelas hambatan samping sedang adalah 0,98 dan Ukuran kota = 0,1 – 0,5 juta
penduduk (Berdasarkan data BPS 8 September 2012, jumlah penduduk kota manado
adalah 410.481 jiwa) Didapatkan nilai FFVcs sebesar 0,93.
FV = (FVo+ FVw) x FFVSFx FFVcs= (57+0) x 0,97 x 0,93= 57.9 km/jam.

2)Perhitungan nilai FV arah B -TNilai FV untuk arah B–T dimana lebar badan jalan adalah
4 m dengan kelas hambatan samping rendah yaitu 57.9 km/jam.
Tabel 1.Kinerja jalan pra konstruksi
Kapasitas Kecepatan arus
Arus LL Q Derajat Indeks tingkat
no arah C Kriteria DS bebas FV
(smp/jam) kejenuhan pelayanan
(smp/jam) (km/jam)
1 T-B 1480 835 0.5 0,45 – 0,74 C 57.9
2 B -T 1480 787 0.5 0,45 – 0,74 C 57.9

3
 4

Analisis Perkiraan Tarikan dan Bangkitan Pergerakan Lalu Lintas

Untuk mendapatkan volume tarikan dan bangkitan pada RSUD Manado dilakukan survai
jumlah pengunjung masuk dan keluar pada rumah sakit setara yang menjadi pendekatan
yaitu Rumah Sakit Siloam.
a. Hasil pengumpulan data rumah sakit
Tabel 2. Data rumah sakit
jumlah jumlah
no jumlah rumah sakit bed dokter
1 RSUD Manado 100 65
2 RS.Siloam Manado 139 86

b.Perhitungan perkiraan volume tarikan dan bangkitan pergerakan

Untuk perkiraan volume tarikan dan bangkitan dibutuhkan data –data untuk pendekatan
pemodelan. Data tersebut adalah data jumlah pengunjung masuk dan keluar rumah sakit,
data jumlah pasien, jumlah bed terisi, dan jumlah dokter praktek yang didapatkan dari
hasil survai pada Rumah Sakit Siloam. Dari data tersebut, dengan menggunakan analisa
regresi linier dapat diambil suatu fungsi matematis yang menghubungkan antara
variabel terikat dan variabel bebas, dimana variabel terikatnya adalah jumlah
pengunjung (Y1) dan variabel bebasnya adalah jumlah pasien (X1), jumlah bed terisi
(X2), jumlah dokter praktek (X3). Masing -masing jumlah variabel bebas dan variabel terikat
yang digunakan adalah jumlah pada hari survai.

Tabel 3.Data hasil survai pada Rumah Sakit Siloam

jumlah
Volume pergerakan (Y1) org/hri jumlah jumlah Dokter
No hari bed terisi
pasien (X1) praktek (X3)
masuk keluar (X2)
1 senin 788 696 187 56 14
2 selasa 792 702 183 65 18
3 rabu 655 587 138 68 15
4 kamis 720 653 140 63 17
Untuk perhitungan selanjutnya dilakukan dengan menggunakan software SPSS 16.0. Hasil
persamaan modelnya dapat dilihat pada tabel di bawah ini.

4
 5

Tabel 4.Persamaan model jumlah pengunjung RS. Siloam

hubungan Y dengan X persamaan model nilai r nilai

X1 Y1 = 375.126 + 2.245 X1 0.921 0.848
X2 Y1 = 1269.404 -8.423 X2 0.662 0.438
X3 Y1 = 621.950 + 7.300 X3 0.205 0.042

Untuk mengetahui jumlah pengunjung (Y1) dilakukan pemodelan dengan kombinasi

beberapa variabel bebas. Persamaan modelnya dapat dilihat pada tabel berikut.

Tabel 5. Persamaan model jumlah pengunjung (Y1) RS. SILOAM

hubungan Y dengan X persamaan model nilai r nilai
X1+X2 Y1 = 528.231 + 2.023 X1-1.861 X2 0.928 0.584
X1+X3 Y1 = 232.584 + 2.269 X1 + 8.661X3 0.953 0.908
X2+X3 Y1 = 1141.266 -12.306 X2 +23.298 X3 0.88 0.775
X1+X2+X3 Y1 = 602.650 + 1.580 X1 -5.966 X2 +16.004 X3 1 1

Berdasarkan hasil korelasi antara variabel terikat yaitu jumlah pengunjung (Y1) dengan
masing-masing variabel bebas menunjukkan bahwa model untuk jumlah pengunjung lebih
besar/lebih kuat dipengaruhi oleh jumlah pasien (X1). Untuk mengetahui perkiraan jumlah
pasien (X1) saat RSUD Manado beroperasi, maka dapat dilakukan dengan cara memodelkan
antara jumlah pasien (YA), jumlah bed terisi (Xa), dan jumlah dokter praktek (Xb) pada
Rumah Sakit Siloam.
Tabel 6. Persamaan model jumlah pasien (YA) RS. SILOAM
hubungan Y dengan X persamaan model nilai r nilai
Xa Ya = 366.346 - 3.244 Xa 0.621 0.386
Xb Ya = 171.600 - 0.600 Xb 0.041 0.002
Xa + Xb Ya = 340.953 - 4.013 Xa + 4.617 Xb 0.682 0.465

Dari persamaan model di atas diketahui bahwa jumlah pasien sangat tergantung pada
persepsi isi (occupancy) dari bed dan praktek dokter yang tersedia pada rumah sakit.

5
 6

Analogi dengan kondisi yang terjadi di Rumah Sakit Siloam dimana rumah sakit dalam
keadaan fix session, maka perkiraan Jumlah pengunjung didasarkan pada perkiraan jumlah
pasien. Berdasarkan hal tersebut, maka perkiraan jumlah pasien pada RSUD Manado yaitu :
Ya = 340.953 - 4.013 Xa + 4.617 Xb
=340.953 - 4.013(100) 4.617 (65) = 240 orang/hari
Sedangkan perkiraan jumlah tarikan yaitu:
Y1 = 528.231 + 2.023 X1-1.861 X2
Y1 = 528.231 + 2.023 (240) - 1.861 (65) = 895 orang/hari

Tabel 7.Perkiraan tarikan dan bangkitan Pada RSUD Manado

jumlah pergerakan orang/hari
jumlah bed jumlah praktek dokter
tarikan bangkitan
100 65 892 706

Perhitungan pembebanan lalu lintas

Perkiraan jumlah tarikan dan bangkitan pada RSUD Manado akan dibebankan pada ruas
Jalan Pu Manado. Volume tarikan dan bangkitan lalu lintasnya dihitung dengan cara
mengalikan jumlah tarikan dan bangkitan dengan rata-rata persentase jumlah pengunjung
berdasarkan jumlah orang dalam 1 kendaraan.

Tabel 8. Rata - rata persentase

LV MC
pengunjung
1 orang 2 orang 3 orang 4 orang 5 orang 1 orang 2 orang
masuk 3.74% 22.55% 19.12% 3.43% 0.00% 35.24% 15.92%
keluar 8.47% 18.99% 19.75% 0.43% 0.68% 34.36% 17.31%

6
 7

Tabel 9. Perkiraan jumlah kendaraan yang masuk ke RSUD Manado

LV MC
pengunjung total
1 orang 2 orang 3 orang 4 orang 5 orang 1 orang 2 orang
3.74% 22.55% 19.12% 3.43% 0 35.24% 15.92%
orang/hari
33 201 171 31 0 315 143 894
33 101 56.86902606 7.65144192 0 315.38 71.42
kend/hari 198 386.8 585

Tabel 10. Perkiraan jumlah kendaraan yang keluar dari RSUD Manado

LV MC
pengunjung total
1 orang 2 orang 3 orang 4 orang 5 orang 1 orang 2 orang
8.47% 18.99% 19.75% 0.43% 0.68% 34.36% 17.31%
orang/hari
60 134 139 3 5 243 122 706
60 67 46.47833333 0.75895 0 242.5816 61.1043
kend/hari 174 303.6859 478

Analisis Kinerja Jalan Pasca Konstruksi

Volume lalu lintas jam puncak pasca konstruksi yaitu :

1. Arah T – B

Jika diasumsikan bahwa total pergerakan kendaraan yang terjadi pada jam puncak sebesar
10% (585 x 10% = 58.5), maka volume kendaraan pada jam puncak dapat dihitung sebagai
berikut :

- volume kendaraan saat ini, Q(2018) = 835.89 smp/jam

- tingkat pertumbuhan kendaraan 3% pertahun

- volume kendaraan saat RSUD Manado dibuka, Q(2019) = 835x (1+0.03)1 = 860

- volume kendaraan hasil tarikan pergerakan, Q = 58.5 smp/jam

- volume kendaraan total, Q (total) : 860+ 58.5 = 920 smp/jam

7
 8

2. Arah B – T

Dengan cara yang sama diperoleh nilai Q = 870 smp/jam.

Jadi volume kendaraan total saat RSUD Manado beroperasi pada tahun 2019 (satu tahun
kemudian)

Tabel 11 kinerja jalan setelah RSUD Manado dibangun

Arus LL Q Indeks tingkat Kecepatan arus
no arah Kapasitas C (smp/jam) Derajat kejenuhan Kriteria DS
(smp/jam) pelayanan bebas FV
1 T-B 1480 920 0.62 0,45 – 0,74 C 57.9
2 B -T 1480 820 0.55 0,45 – 0,74 C 57.9

8
 9

Lampiran 1

Coefficientsa Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 375.126 109.830 3.416 0.076
X1 2.245 0.671 0.921 3.344 0.079
a. Dependent Variable: Y1

Model Summary
Adjusted Std. Error
Model R R Square R Square of the
1 .921a 0.848 0.772 30.94804
a. Predictors: (Constant), X1

Coefficientsa Unstandardized Standardized

Model Coefficients Coefficients t Sig.
B Std. Error Beta
1 (Constant) 1269.404 425.844 2.981 0.097
X2 -8.423 6.743 -0.662 -1.249 0.338
a. Dependent
Variable: Y1

Model Summary
Adjusted Std. Error
Model R R Square R Square of the
1 .662a 0.438 0.157 59.55161
a. Predictors: (Constant), X2

Coefficientsa
Unstandardized Standardized
Model Coefficients Coefficients t Sig.
B Std. Error Beta
1 (Constant) 621.950 395.364 1.573 0.256
X3 7.300 24.590 0.205 0.297 0.795
a. Dependent

Model Summary
Adjusted Std. Error
Model R R Square R Square of the
1 .205a 0.042 -0.437 77.76198
a. Predictors: (Constant), X3

9
 10

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 528.231 519.006 1.018 0.494
X1 2.023 1.158 0.830 1.747 0.331
X2 -1.861 6.044 -0.146 -0.308 0.810
a. Dependent Variable: Y1

Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .928a 0.861 0.584 41.82977
a. Predictors: (Constant), X2, X1

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 232.584 215.275 1.080 0.475
X1 2.269 0.741 0.931 3.060 0.201
X3 8.661 10.810 0.244 0.801 0.570
a. Dependent Variable: Y1

Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .953a 0.908 0.723 34.15598

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 1141.266 395.273 2.887 0.212
X2 -12.306 6.819 -0.967 -1.805 0.322
X3 23.298 19.044 0.656 1.223 0.436

Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .880a 0.775 0.325 53.30034

10
 11

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 602.650 0.000
X1 1.580 0.000 0.648
X2 -5.966 0.000 -0.469
X3 16.004 0.000 0.450

Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 1.000a 1.000
a. Predictors: (Constant), X3, X1, X2

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 366.346 182.688 2.005 0.183
X2 -3.244 2.893 -0.621 -1.121 0.379

Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .621a 0.386 0.079 25.54772
a. Predictors: (Constant), X2

Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 171.600 165.626 1.036 0.409
X3 -0.600 10.301 -0.041 -0.058 0.959

Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .041a 0.002 -0.497 32.57606

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 340.953 250.214 1.363 0.403
X2 -4.013 4.316 -0.769 -0.930 0.523
X3 4.617 12.055 0.317 0.383 0.767

Model Summary
Std. Error of
Model R R Square Adjusted R Square the Estimate
1 .682a 0.465 -0.606 33.74003
a. Predictors: (Constant), X3, X2

11
 12

Lampiran 2

Rumah sakit Siloam Manado

Rumah Sakit Umum Daerah Manado

12